Trabalho de Conclusão de Curso
Documento
Autoria
Unidade da USP
Data de Apresentação
Orientador
Banca
Gonzaga, Adilson
Negri, Tamiris Trevisan
Título em Português
Análise do comportamento do descritor de textura Local Mapped Pattern na classificação de distorção arquitetural mamária em imagens mamográficas
Palavras-chave em Português
Mamografia
Distorção Arquitetural Mamária
LMP
Resumo em Português
Um dos grandes objetivos da mamografia digital é a detecção do câncer de mama em seus estágios iniciais. Com o auxílio de sistemas computacionais como o CAD (Computer Aided Detection), o radiologista faz a análise de mamografias para diagnosticar a presença de nódulos, de microcalcificações ou de distorção arquitetural mamária (DAM), os quais representam a presença de câncer em desenvolvimento. Como a DAM é o primeiro indicativo de tecido cancerígeno, é interessante que ela seja diagnosticada com eficácia. Infelizmente, a sua detecção por radiologistas com a ajuda dos sistemas CAD ocorre em menos de 50% dos casos. A grande dificuldade da detecção da distorção arquitetural reside no fato de ser uma contração bastante sutil do tecido mamário, na qual não há borda definida e, na maioria dos casos, não existe qualquer formação de massa associada. Sua detecção por meio dos métodos computacionais propostos na literatura se dá por meio do uso de descritores de textura e métodos de classificação como as redes neurais. A baixa taxa de detecção pode ser atribuída ao fato de os descritores de texturas utilizados não serem robustos, como por exemplo, os descritores baseados nas matrizes de co-ocorrência propostas por Haralick. Desse modo, se faz necessário a utilização de um descritor de textura que seja mais eficiente, que possa descrever melhor esse tipo de anomalia, como o LMP (Local Mapped Pattern). O LMP é um descritor paramétrico, por conta da função Sigmoidal, que permite que sua inclinação possa ser ajustada, por meio de técnicas de otimização, de modo a obter um melhor resultado de acordo com o problema a ser resolvido. Nesse sentido esse trabalho propõe a utilização do descritor de texturas LMP otimizado para detecção e identificação de distorção arquitetural mamária em imagens de mamografia. Com isso, podem-se distinguir as imagens que possuem e as que não possuem DAM automaticamente, sem a necessidade de releitura da imagem pelo médico radiologista. Isso se traduz em diagnósticos mais eficientes e rápidos, o que ajuda no diagnóstico precoce do câncer de mama, possibilitando um tratamento mais efetivo. Os resultados mostraram que a utilização de um ? fixo para a entrada do descritor de textura LMP é a escolha mais eficiente e atrativa.
Palavras-chave em Inglês
Mammography
Architectural distortion
Resumo em Inglês
One of the greatest challenges in digital mammography is the detection of breast cancer in its initial stages. With the help of computational systems such as CAD (Computer Aided Detection), the radiologist analyzes the mammogram in order to diagnose the presence of nodules, microcalcifications or architectural distortion, which are elements that indicate the presence of cancerous tissue. As architectural distortion is the first sign of cancer, it is of major importance that it gets identified efficiently. Unfortunately, the detection made by radiologists with the help of CAD systems occurs in less than 50% of the cases. The big challenge in detecting architectural distortion rests on the fact that it is a very subtle contraction of the breast tissue, with no defined borders and in most cases, no presence of associated formation of mass. Its detection using computational methods proposed in literature has to do with texture descriptors and methods of classification such as neural networks. The low detection rate can be associated with the fact that the used texture descriptors are not sturdy, such as the texture descriptors based on the co-ocurrence matrix proposed by Haralick. In that way, the use of an even more efficient texture descriptor is needed, one that can describe better this kind of anomaly, such as the LMP (Local Mapped Pattern). LMP is a parametric descriptor, due to the Sigmoidal function, that allows its slope to be adjusted using optimization techniques, in order to obtain a better result in accordance to the problem to be solved. In that sense, this work proposes the use of LMP texture descriptor to the detection and identification of architectural distortion in mammograms. With that, the images which possess architectural distortion and those that do not, can be distinguished without the need of a second reading of the image by the radiologist. That is translated into quicker and more efficient diagnoses, making its way to the early detection of breast cancer and more effective treatments. The results show that using a constant ? for all the images as the input of the LMP texture descriptor is the most efficient and computationally attractive choice.
Arquivos
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome(s) do(s) autor(es) do trabalho.
Reche_Gustavo_tcc.pdf (4.34 Mbytes)
 
Data de Publicação
2018-01-19
Número de visitas
481
Número de downloads
460
Copyright © 2010 Biblioteca Digital de Trabalhos Acadêmicos da USP. Todos os direitos reservados.